GPT Image 1.5 і Nano Banana Pro: сильні та слабкі сторони генераторів зображень

Порівняння двох флагманських моделей генерації зображень — GPT Image 1.5 від OpenAI та Nano Banana Pro — не схоже на класичний бій із очевидним переможцем. Відео на YouTube‑каналі «ШІманія» демонструє радше зіткнення двох різних філософій: контрольованої кінематографічної естетики проти максимальної точності та натуральності.

Обидві моделі вже досягли рівня, на якому питання стоїть не «чи достатньо добре», а «для яких задач саме».

Фотореалізм: глянець проти буденності

Перший тест — фотореалізм — одразу оголює базову відмінність підходів. GPT Image 1.5 за замовчуванням тяжіє до ідеальних композицій, кінематографічного світла та візуальної драматургії. Зображення виглядають ефектно, але часто надто «відполіровано», ніби створені для обкладинки журналу.

Навіть після прямих інструкцій зменшити глянець і наблизитися до «аматорської фотографії зі смартфона» результат залишається впізнавано штучним. Популярні трюки на кшталт «гіперреалізм» або «iPhone photo» не завжди прибирають студійний ефект.

Nano Banana Pro, навпаки, видає більш приземлений результат «з коробки». Її зображення частіше нагадують випадкові кадри з реального життя — без зайвої режисури. Для аватарів, постерів і яскравих обкладинок GPT виглядає переконливіше. Для задач, де важлива природність, перевага наразі за Banana.

Референси і точність: креативність проти пікселів

Підписуйтеся на наші соцмережі

Точне відтворення референсів — критичний параметр для реклами та e‑commerce. Тут обидві моделі демонструють серйозний прогрес порівняно з минулим роком, настільки, що тему маркування ШІ‑контенту вже підхоплюють регулятори.

Втім, у деталях різниця відчутна. GPT Image 1.5 схильна до «творчих відхилень»: змінює колір одягу, візерунок або дрібні риси обличчя, навіть коли цього не просять. У тесті з десятьма референсами — людина плюс дев’ять предметів одягу та аксесуарів — результат виглядав переконливо лише на перший погляд. Для комерційних сценаріїв така неточність може бути критичною.

Nano Banana Pro у цьому ж тесті відпрацювала з піксельною точністю. Навіть спрощення задачі для GPT не змінило характер помилок. Показовий момент: коли один із елементів було забуто, GPT просто «домалювала» деталь, не сигналізуючи про нестачу даних. Це добре ілюструє її логіку — спочатку ідея, потім відповідність.

Цензура і обмеження: де проходить червона лінія

Політики контенту — один із найпрактичніших і водночас найболючіших аспектів. GPT Image 1.5 демонструє жорсткий підхід до теми білизни, навіть у нееротичних або абсурдних контекстах. Система не ризикує там, де не може впевнено відрізнити сюрреалізм від фетиш‑контенту.

Парадоксально, але купальники чи сукні з декольте зазвичай проходять, тоді як слово «білизна» стає тригером. У порівнянні з цим політики Google виглядають лояльнішими, а найгнучкішим підходом, вирізняється Grok.

У сфері інтелектуальної власності фільтри GPT реагують нерівномірно: одні франшизи блокуються майже гарантовано, інші — проходять без проблем. Генерація відомих людей можлива в обох моделях, але GPT частіше відмовляє. Водночас у середовищі Gemini Banana дозволяє значно більше, хоча всі результати залишаються лише візуально схожими, а не біометрично точними.

Текст, меню та інфографіка: коли ШІ стає дизайнером

Рендеринг тексту — ще одна зона помітного прогресу. Обидві моделі генерують не випадкові символи, а осмислений текст. У простих інфографіках Banana працює чистіше і подає більше інформації. У складніших сценаріях, наприклад із двомовним меню ресторану, GPT Image 1.5 показує кращу типографіку та мовну логіку.

Проблеми теж очевидні: Banana некоректно поводиться з українською капіталізацією, тоді як GPT робить менше мовних помилок. У генерації обкладинок GPT виглядає особливо впевнено — як із референсом, так і лише за описом ідеї. Хоча обидві моделі схильні перевантажувати зображення текстом, формулювання GPT часто точніше потрапляють у суть.

Складні промпти і логіка світу

У завданнях, що вимагають знань про світ, обидві моделі демонструють інтеграцію з мовними моделями. Вони коректно визначають країни за мовними або політичними ознаками та справляються з підрахунком об’єктів у розумних межах.

Втім, коли до кількості додається послідовність, перевага знову переходить до Banana. У тесті з чергуванням чоловіків і жінок GPT втратила одну фігуру. Натомість у змішуванні художніх стилів — наприклад, поєднання кубізму та імпресіонізму — GPT виглядає сильніше.

Для серій зображень та ілюстрованих історій Nano Banana Pro залишається зручнішим інструментом: вона одразу видає логічно пов’язану послідовність. GPT у подібному завданні обмежилася одним ґрідом і мінімальним текстом.

Підсумок без переможця

Оцінки на LM Arena формально виводять GPT уперед, але практичні тести не дають підстав говорити про беззаперечний тріумф. Nano Banana Pro виграє там, де потрібні натуральність, точність референсів, контроль кількості об’єктів і серійність. GPT Image 1.5 сильніша у створенні «вау‑кадрів», постерів, обкладинок і як інструмент для креативного пошуку.

Це не історія про вибір «або‑або». Для різнорідних задач дві моделі разом дають значно ширший інструментарій, ніж кожна окремо. І саме в цій комплементарності сьогодні полягає їхня реальна цінність.